（文章來源：VR陀螺）

隨著Oculus將于2020年初在Quest中加入手勢識別功能這一消息發布，手勢交互終于打破局面，開始真正走向消費端。此次Oculus Quest手勢識別使用了基于計算機視覺的手勢識別的技術方案。（感謝凌感科技uSens費越博士對本文技術部分的支持）

VR陀螺從費越博士口中了解到，目前基于計算機視覺的手勢方案實際上也分為兩種：一種是用深度攝像頭，一種是用一個或者多個普通攝像頭實現。而其中深度攝像頭的方案又分為兩種，TOF（Time of Flight，光飛時間）和結構光。實際上結構光，或者TOF輸出的東西基本一樣，都是一張深度圖。

相對于兩種使用深度攝像頭的方案，基于一個或多個普通攝像頭實現的手勢識別難度更高，但得益于技術發展，其在精度、成本綜合性能上正在成為主流。 業內的Leap Motion、凌感uSens就是使用這種方案，Oculus Quest也是使用原有的用于SLAM和手柄跟蹤的四個灰度攝像頭用深度學習算法來實現的手勢識別。

凌感uSens自2015年就開始使用深度學習技術實現手勢識別，并在2017年發布了和Oculus Quest類似的基于灰度攝像頭的手勢識別及SLAM方案。 不久前凌感還研發發布了單目RGB相機上的三維手勢骨骼識別，可識別手部全部22個關節點的26DOF（26自由度）信息，關節點包括3D位置信息和3D旋轉信息。在單目RGB相機上實現三維手勢骨骼識別相對于多個灰度相機的方案來說算法的難度更高。

近年來TOF方案在手機上應用越來越廣泛，也是最容易實現深度信息的方案，但在VR、AR設備上卻幾乎沒有。原因可以從以下幾個方面來看：另外，對手勢識別精度起到決定性的還有兩個因素：一個是模型是否好，只有好的模型才能預測出來更多3D的點。第二是需要有足夠的高精度的數據，才能訓練出來好的模型。

實際上在使用基于計算機視覺方案之前，Oculus Touch手柄已經實現了一部分手勢動作，如握拳、豎拇指、開槍等手勢，包括Valve Index的指虎手柄，也是為了在游戲中呈現更為自然的手部動作。Quest加入手勢識別，意味著這一技術終于真正開始面向消費端用戶，也將帶來更多開發者針對這一交互開發探索出更多的內容形態。

費越也提到，凌感的手勢識別目前主要應用在三大領域，以AR、VR、手機為主的2C領域，汽車領域以及工業自動化領域，其中VR、AR、手機領域需求增長非常迅速。“交互的最終形態不需要定義，他做的就是人在真實世界里面要做的事情。”VR、AR的獨特之處在于沉浸感，而在沉浸環境中，最自然的交互莫過于與現實中一樣，揮手打招呼、猜拳、握手、抓取、擊掌……

從智能終端的發展來看，從PC到手機，一切都在簡化，特別是在智能手機時代，交互簡化到只需要滑動、點擊，就連2、3歲的小孩都能輕易上手。VR、AR的交互復雜，也代表著用戶的學習成本越高，同時也容易“出戲”。現在除了純觀影類的內容之外，幾乎所有帶交互內容都需要一定的學習過程，用戶需要在體驗過程中記住每個按鍵所對應的功能。

而在諸如模擬、社交類這類的內容中，越接近真實的場景對于手勢越有優勢，開發者可拓展性也更強。手勢在需要觸覺反饋的體驗上無法取代手柄，而手柄也無法自然地實現手部動作的呈現以及復雜的手部姿態，但從毋庸置疑的是未來手勢將會變成XR設備中不可或缺的一種交互方式，越來越普及。